印刷体汉字识别后处理方法的研究

高阶N-gram语言模型在OCR后处理方面有着广泛的应用,但也面临着因模型复杂度大导致的数据稀疏,以及耗费较多的时空资源等问题。该文针对印刷体汉字识别的后处理,提出了一种基于字节的语言模型的后处理算法。通过采用字节作为语言模型的基本表示单位,模型的复杂度大大降低,从而数据稀疏问题得到很大程度上缓解。实验证明,采用基于字节的语言模型的后处理系统能够以极少的时空开销获取很好的识别性能。在有部分分割错误的测试集上,正确率从88.67%提高到了98.32%,错误率下降了85.18%,运行速度较基于字以及基于词的系统有了大幅的提升,提高了后处理系统的综合性能;与目前常用的基于词的语言模型后处理系统相比,新系统能够节省95%的运行时间和98%的内存资源,但系统识别率仅降低了1.11%。     

手写金融汉字识别中的可信度估计

由于实际票据中的手写金融汉字书写得并不规范,而且还会受到票据的背景底纹和印章等因素干扰,所以正确识别率很低.为了达到要求的识别精度,必须拒识大量样本,这样就限制了票据识别系统的自动处理率.本文提出一种基于支持向量机的可信度估计方法,其特点是针对每个文字类别,专门构造用于易混淆字判断与可信度估计的支持向量机.该方法充分利用了支持向量机在少量训练样本情况下对两类判断问题的学习能力,可以准确地估计可信度,从而在拒识较少样本的情况下达到要求的识别精度.     

基于双光源图像合成法的标牌字符识别方法研究

在电能表标牌OCR的识别过程中,标牌上的透明薄膜经常出现皱褶,使得待识别字符极易受到反射光遮挡,从而增加了OCR的识别难度和识别错误率。提出一种位置对称的双光源图像合成法,用该方法检测了多个贴有皱褶薄膜层的电能表标牌,经实例验证,相较于单光源的识别错误率大幅度降低,这有效解决了电能表标牌OCR中薄膜反光干扰问题。     

Pitch-based segmentation and recognition of dot-matrix text

Dot-matrix text recognition is a difficult problem, especially when characters are broken into several disconnected components. We present a dot-matrix text recognition system which uses the fact that dot-matrix fonts are fixed-pitch, in order to overcome the difficulty of the segmentation process. After finding the most likely pitch of the text, a decision is made as to whether the text is written in a fixed-pitch or proportional font. Fixed-pitch text is segmented using a pitch-based segmentation process that can successfully segment both touching and broken characters. We report performance results for the pitch estimation, fixed-pitch decision and segmentation, and recognition processes. Received October 18, 1999 / Revised April 21, 2000     

基于Android的随身客户信息管理系统的设计与开发

介绍了基于Android的随身客户信息管理系统的体系结构、核心功能模块的实现,具体包括用户登陆及识别、手机终端拍照成像、名片识别、客户信息云同步、名片分享与交换、维系客户等功能,并在此基础上重点给出了部分功能的实现代码。     

An expert system for general symbol recognition

An expert system for analysis and recognition of general symbols is introduced. The system uses the structural pattern recognition technique for modeling symbols by a set of straight lines referred to as segments. The system rotates, scales and thins the symbol, then extracts the symbol strokes. Each stroke is transferred into segments (straight lines). The system is shown to be able to map similar styles of the symbol to the same representation. When the system had some stored models for each symbol (an average of 97 models/symbol), the rejection rate was 16.1% and the recognition rate was 83.9% of which 95% was recognized correctly. The system is tested by 5726 handwritten characters from the Center of Excellence for Document Analysis and Recognition (CEDAR) database. The system is capable of learning new symbols by simply adding their models to the system knowledge base.     

浅谈人工智能在融媒体业务生产中的应用发展

近年来,随着IT技术和互联网的发展,人工智能AI(Artificial Intelligence)技术在广电行业得到广泛应用。文章基于融媒体环境下人工智能技术的应用与发展进行了探讨,分析人工智能技术如何推动生产效率提高以及智能机器人书写稿件、智能人脸识别、智能语音语义识别、智能化的OCR识别、自动播出等方面的应用与发展。     

基于人工智能的视图像内容安全技术在网络空间治理中的应用研究

随着互联网产业的快速发展,以图片、视频为载体的新媒体在网络空间中的应用越来越广泛,已逐步成为使用率最高的媒体形态。通过对网络空间治理现状进行分析,阐述了基于人工智能的系列视图像内容安全技术,以此为核心,紧密围绕网络安全与信息化,聚焦内容安全,提出了将人工智能技术用于网络空间治理的新媒体内容监测综合解决方案,该方案将助力于行业监管部门的网络空间内容安全治理工作。